Kennisbank
De kennisbank is de basis van je chatbot. Hoe beter de kennisbank, hoe betere antwoorden je agent geeft.
Brontypen
Website scraping
De snelste manier om je kennisbank te vullen. Voer je website-URL in en Denkchat crawlt automatisch alle pagina's.
- Content wordt automatisch opgeschoond (navigatie, footers, etc. worden verwijderd)
- Je kunt per pagina kiezen welke content je wilt gebruiken
- Pagina's kunnen opnieuw gescraped worden wanneer je content wijzigt
- Per crawl-sessie geldt een maximum aantal pagina's, afhankelijk van je plan (20 op Free, oplopend tot 500 op Enterprise) — je kunt altijd een nieuwe crawl starten om meer pagina's toe te voegen
Bestanden uploaden
Upload documenten om ze toe te voegen aan de kennisbank:
| Formaat | Max. grootte |
|---|---|
| 10 MB | |
| Word (.docx) | 10 MB |
| Tekst (.txt) | 5 MB |
Handmatige tekst
Voeg losse tekstblokken toe voor specifieke informatie die niet op je website staat. Handig voor:
- Interne procedures
- Prijsinformatie
- Veelgestelde vragen
Q&A paren
Definieer exacte vraag-antwoord combinaties. Deze hebben de hoogste prioriteit bij het beantwoorden van vragen.
Webshop-producten
Heb je een WooCommerce-webshop, dan kun je die koppelen bij Instellingen → Integraties. Elk product levert dan een bron in je kennisbank op (naam, prijs, voorraad, eigenschappen en beschrijving) én een productkaart die de bot in het gesprek kan tonen. Zie WooCommerce-koppeling.
Verwerking en status
Een toegevoegde bron is nog geen bruikbare kennis: hij moet eerst verwerkt worden (chunks + embeddings). In de kennisbank zie je per bron waar hij staat:
| Status | Betekenis |
|---|---|
pending | Toegevoegd, staat in de wachtrij |
processing | Wordt nu verwerkt |
ready | Verwerkt — je agent gebruikt deze bron |
error | Verwerken is mislukt |
Alleen bronnen op ready komen terug in antwoorden. Staat er iets anders dan ready in de lijst, dan toont de zijbalk hoeveel bronnen dat zijn en biedt de knop Opnieuw verwerken ze allemaal opnieuw aan. Dat is veilig om te herhalen: bestaande chunks van een bron worden vervangen, niet gedupliceerd.
RAG (Retrieval-Augmented Generation)
Denkchat gebruikt RAG om relevante informatie uit je kennisbank op te halen:
- Je content wordt opgesplitst in chunks
- Elke chunk krijgt een embedding (vectorrepresentatie)
- Bij een vraag zoeken we de meest relevante chunks
- De AI genereert een antwoord op basis van die chunks
Dit zorgt ervoor dat antwoorden altijd gebaseerd zijn op jouw data.